基于小波变换的图像压缩编码.pptVIP

基于小波变换的图象压缩 算法 SPIHT 的 MATLAB 实现 姓名：高志斌 学号： 200330002 报告日期： 2004-4-20 基于小波变换的图像压缩 ? 小波图像压缩是一种重要的图像压缩方法，它 具有好的空间分辨率和好的频率分辨率的特性， 使变换系数的能量同时在频率上和空间上集中， 达到去除像素冗余度的作用。 ? 在 MATLAB 中可以有多种实现小波变换的方法。 本报告使用多级二维离散小波变换来构建小波 系数表。用 wavedec2 及 waverec2 函数编程，将其 cs 构建成一个 [a,h;v,d] 的矩阵，使之变换级数使 用形参传递。 小波系数表（越往左上角越低频越重要） 3 HL 3 LH 3 HH 2 LH 2 HH 2 HL 1 HL 1 HH 1 LH 3 LL 小波系数的压缩编码 ? 算数编码 ? EZW 算法（ Embedded zero-tree wavelet algorithm ） – Shaprio 等人 1993 年发表，是小波图像压缩史上具有里程碑意义 的一个算法。该算法核心是对小波分解后的子带系数定义一种 零树结构，这种零树结构基于频率衰减假设，即在同一方向上 粗糙尺度子带的系数要比相应位置精细尺度子带的系数大，然 后采用连续逼近量化和熵编码生成嵌入式码流。 ? SPIHT （ Set Partitioning in Hierarchical Trees ） 算法 – 1996 年 Amir Said 和 William Pearlman 在 EZW 算法基础上提出。不同 于 EZW 算法利用零树根（ zerotree root ）来表示大量不重要小波 系数； SPIHT 算法采用树分割的方法，力图使不重要系数保持 在更大子集中。分割判决用二进制的方式传送给收端，从而提 供了比 EZW 更有效的重要图编码方法。 ? JPEG2000 等 ? SPIHT 不同子带的小波系数首先按空间位 置构成许多小波树，所有小波系数组成 阵列。除了最低分辨率的子带（左上角 的）以外，这些系数是上一级更低子带 系数的子孙。与 EZW 不同的是， SPIHT 表 示不重要小波系数集合的方式与 EZW 不同， 见下图。 a a 1 a 2 a 3 a 11 a 12 a 13 a 14 a 21 a 32 a 31 a 24 a 23 a 22 a 34 a 33 a 111 a 132 a 131 a 124 a 123 a 122 a 121 a 114 a 113 a 112 a 144 a 143 a 142 a 141 a 134 a 133 SPIHT的不重要系数表示 EZW的不重要系数表示 SPIHT 算法定义了四种集合： ) , ( j i O ：位于 ) , ( j i 坐标处小波系数的子女。每个小波系数或 者有 4 个子女，或者没有子女 ) , ( j i D ：位于 ) , ( j i 坐标处小波系数的后代。后代包括子女、 子女的子女、以此类推。 H ：所有根节点的集合，即最低分辨率的逼近子带。 ) , ( j i L ：位于 ) , ( j i 坐标处小波系数的除子女之外的后代，即 ) , ( ) , ( ) , ( j i O j i D j i L ? ? 如果集合里存在大于给定门限的小波系数，就说集合 ) , ( j i D 或 ) , ( j i L 是重要的，反之则是不重要的。算法使用 3 个列表： list of insignificant pixels(LIP) 、 list of significant pixels(LSP) 、 list of insignificant sets(LIS) 。对于 LIP 和 LSP 列表，算法保存系数的 坐标；而对 LIS ，算法保存集合 D 或 L 的根坐标。算法最初的 门限由下式决定 2 max log 2 A T ? ? ? ? ? 其中 max A 是编码系数的最大幅度。 LIP 列表初始化为 H ， H 中具有后代的元素初始化为 LIS 中的 D 类型条目， LSP 置为空。 每一遍扫描，首先处理 LIP 的元素；接着处理 LIS 的元素， 这一步本质上就是重要图编码；最后对 LSP 的元素进行细化。 首先扫描 LIP 中的元素，如果某个坐标的小波系数是重要 的，则传送一个 1 及一个表示系数符号的比特。这个系数接着 被移到 LSP 列表。如果系数是不重要的，则输出 0 。 第二步是处理 LIS 列表中集合。 如果